Zona de estudio

El área de estudio es un olivar de 3,19 ha, ubicado en la irrigación La Yarada, provincia y región Tacna, Perú (latitud: S18。10，55，37"; longitud: O 70°31'52.17"; 50 m.s.n.m.) (Figura 1). El clima es templado, desértico y con amplitud térmica moderada; en los meses de junio a agosto (invierno húmedo), donde abundan la neblinas o camanchacas, y el resto del año es semicálido, con temperaturas mínima y máxima de 13,6 °C y 24,6 °C, respectivamente (^{Pino et al., 2019}). Las precipitaciones son prácticamente nulas, típico comportamiento de regiones desérticas, con precipitación media acumulada anual de 33,4 mm, por lo cual es considerada una región con escasas lluvias y de clima seco, y forma parte de la cabecera del desierto de Atacama (^{Izaguirre-Malasquez et al., 2022}; ^{Pino, 2019}; ^{Pino et al., 2019}).

Figura 1 Ubicación de la zona de estudio e imagen RGB del campo de olivo con imágenes de cobertura empleadas en la calibración de la cámara térmica. 

El trabajo se llevó a cabo en dos campañas, vuelos los días, 7 de agosto del 2019 (DOY 258)

en la estación de invierno y el 6 de marzo del 2020 (DOY 65) en la estación de verano, con cultivo en fructificación y llenado de frutos. Se obtuvo información de tres bloques del cultivo de olivo con plantas con edad promedio de 22 años (Figura 2b), variedad Gordal Sevillana que cubría 96% del campo y el resto con la variedad Ascolana (arboles polinizadores). El campo contiene un total 580 árboles con un marco de plantación de 7 x 7 m que hacen una densidad de 200 árboles ha^-1. En la Figura 2a, se visualiza la distribución de las variedades de olivo Sevillana y Ascolana. Los vuelos se realizaron en las etapas de crecimiento de brotes y desarrollo de fruto, según la escala BBCH (Biologische Bundesanstalt, Bundessortenamt, Chemische Industrie) (^{Sanz-Cortés et al., 2002}). Además, el sistema de riego por goteo está constituido por laterales de Polietileno (PE) de 16 mm de diámetro, dos líneas de goteo por hilera de árboles, con distancia entre goteros de 0,40 m, caudal de 2 lh^-1 y presión de trabajo de 0,5 - 1,0 bar.

Figura 2 (a) Ubicación y distribución espacial del cultivo de olivo según variedades y árboles con estrés en el área del estudio. (b) Puntos de muestreo del LAI distribuido en tres bloques del campo del olivar. 

El agua de riego proviene del acuífero La Yarada, Conductividad Eléctrica (CE) de 1,35 mmhos/cm^-1, pH de 7,13 y Relación de Adsorción de Sodio (RAS) de 13,77, con clasificación C3-S3 "agua con problemas de salinidad". El suelo es franco arenoso con densidad aparente de 1,65 g cm^-3, la capacidad de campo y punto de marchitez fue de 11,03 y 5,31 g g^-1 respectivamente.

Recolección de información de campo

Las mediciones del índice de área foliar se realizaron con un ceptometer portátil ACCUPAR LP-80 (METER Group, Pullman, WA, USA), consta de una matriz lineal de 80 sensores independientes de radiación fotosintéticamente activa (PAR) y mide en el rango de longitud de onda de 400 a 700 nm y en unidades (jomol m^-2 s^-1), su función se basa en la cantidad de luz interceptada en el dosel del cultivo. El dispositivo se mantuvo aproximadamente a una altura de 2,5 m sobre el suelo y por debajo del sensor PAR a 10 cm del suelo, realizando mediciones en 27 árboles con cuatro repeticiones en cada uno de ellas y en tres áreas diferentes especificadas en la Figura 2. La metodología empleada corresponde a lo especificado por ^{Kargar et al. (2019}).

Sensor multiespectral

El sensor multiespectral a bordo del RPAS fue una Parrot Sequoia (Parrot S.A., Paris, France) de cuatro bandas multiespectrales: verde (550 nm), rojo (660 nm), borde rojo (735 nm) e infrarrojo cercano (790 nm), con obturador global de 1,2 MP y un sensor de luz solar que ajusta automáticamente las lecturas a la luz ambiental. Se realizó una calibración vicaria de las imágenes multiespectrales empleando un espectroradiómetro modelo TriOs -Ramses (TriOS Mess- und Datentechnik GmbH, Germany), sobre diferentes coberturas como: suelo desnudo, grass, hojarasca, entre otros.

Sensor térmico

El sensor térmico corresponde a una cámara FLIR Vue Pro R 640 fabricado por FLIR Systems (Wilsonville, EE.UU.), posee un microbolómetro no refrigerado que proporciona imágenes radiométricas en formato JPEG y TIFF de 14 bits con una lente de 13 mm que registra en una banda espectral de 7,5-13,5 µm mediciones de temperatura en un rango de -20 °C a +50 °C y una sensibilidad térmica de 0,05 °C. Los valores de temperatura se calibraron a partir de un radiómetro infrarrojo, modelo Apogee MI-210 (Apogee Instruments, MI-210, Utah, EE.UU.), el registro de datos de coberturas que realizaron con marco de PVC de 1 x 1m.

Adquisición y preprocesamiento de imágenes.

Se utilizó un RPAS cuadricóptero, modelo DJI Matrice 210 (DJI, Shenzhen, China), equipado con tres sensores, cámara RGB, Zenmuse X4S (DJI, Shenzhen, China), multiespectral y térmica. El plan de vuelo para el RPAS se programó con la aplicación DJI GS Pro, a una velocidad de 6,3 m/s^-1, una altura de 85 m sobre el nivel del suelo, un traslape frontal de 85% y lateral de 80%. Se obtuvieron orthomosaicos multiespectrales y térmicos con una resolución espacial 9,2 cm y 11,8 cm, respectivamente. Para minimizar el ruido de sombras del dosel de la planta, las imágenes fueron capturadas entre las 11:00 a.m. a las 12:00 pm en condiciones de cielo despejado.

El preprocesamiento se realizó con el software Pix4Dmapper Pro (Pix4D S.A., Prilly, Switzerland) para la construcción de los orthomosaicos y modelos digitales de superficie (MDS). Para la calibración geométrica se requirió de ocho puntos de control distribuidos en el campo experimental, corrigiendo las imágenes RGB, multiespectrales y térmicas; también se realizó calibración radiométrica con la Sequoia diana de calibración.

Posteriormente, se empleó el Software ArcGIS, para homogenizar el tamaño de los pixeles a 12 cm mediante el remuestro de los orthomosaicos multiespectrales y térmicos. Además, se procedió a realizar una clasificación supervisada de las imágenes para obtener la máscara de vegetación para cada orthomosaico, separando el suelo y la sombra. A continuación, se estimó el Índice de Vegetación de Diferencia Normalizada (NDVI) empleando las bandas espectrales RED y NIR. según la ecuación (1).

El Índice de Vegetación Ajustado al Suelo (SAVI), se empleó con el objetivo de minimizar las alteraciones presentadas en los valores de NDVI, en zonas de escasa vegetación (^{Huete, 1988}) mediante la ecuación (2).

Donde: L es una constante que varía entre 0 (zonas con alta densidad de vegetación) y 1 (zonas con densidad escasa), en el presente estudio se asumió un L de 0,5, valor que corresponde a un olivar intensivo (200 árboles ha^-1).

El Índice de Área Foliar (LAI) es la relación adimensional entre el área foliar total de la superficie por unidad de área del suelo; es un indicador de biomasa y la resistencia del dosel al flujo de vapor y se calcula utilizando la ecuación (3).

Donde: SAVI, es calculado en la ecuación (2) y las constantes 0,69; 0,59 y 0,91 son valores tomados de los estudios realizados por ^{Allen et al. (2011}).

Modelo METRIC

Según ^{Allen et al. (2007}), Mapping EvapoTranspiration at high Resolution with Internalized Calibration (METRIC), es originalmente un modelo basado en imágenes de satélite que estima la ET mediante la aplicación de balance de energía superficial. Calcula ET como un residuo de la ecuación de balance energía superficial mediante el flujo de calor latente (LE) de la ecuación (4).

Donde, R_n es la radiación neta (W m^-2); G es el flujo de calor del suelo (W m^-2); y H es el flujo de calor sensible (W m^-2) (^{Allen et al., 2011}; Allen et al., 2007). La radiación neta se calculó a partir del balance de radiación de la superficie terrestre, ecuación (5).

Dónde RS _↓ es la radiación de onda corta entrante (W m^{- 2}); α es el albedo superficial (^{Ramírez-Cuesta et al., 2019}; ^{Tsouni et al., 2008}); RL _↓ es la radiación de onda larga entrante (W m^-2) y RL _↑ es la radiación de onda larga saliente (W m^-2), respectivamente y ε_o es la emisividad térmica de la superficie (adimensional). Los valores de RS _↓ , RL _↑ , RL _↑ se obtiene según lo indicado por ^{Bastiaanssen et al. (1998}).

G representa el calor conducido al suelo y se calcula multiplicando el valor G/Rn por Rn, y se determina usando una ecuación empírica que se aplica en METRIC, la que se basa en las siguientes ecuaciones (6a y 6b).

Donde Ts es la temperatura de la superficie (K) y LAI (adimensional) es el índice de área foliar (^{Allen et al., 2011}), dependiente del Índice de Vegetación Ajustado del Suelo (SAVI) y calculado a partir de la banda roja y el infrarrojo cercano (^{Huete, 1988}).

El flujo de calor sensible (H) es la tasa de pérdida de calor por el aire a través de la convección y conducción, se calcula a partir de la rugosidad de la superficie, velocidad del viento y la diferencia de temperatura de la superficie y el aire, mediante la ecuación (7) (^{Acharya y Sharma, 2021}).

Donde ρ _air es la densidad del aire (kg m^-3), C _p es el calor específico del aire a presión constante (J kg^-1 K^-1), dT (K) es la diferencia de la temperatura (T₁ - T₂) entre dos alturas (z₁ y z₂) de forma vertical a la superficie y r _ah es la resistencia aerodinámica (s m^-1) correspondiente a dT (^{Tasumi, 2019}). Los parámetro r _ah y dt, se calcularon según lo indicado por ^{Allen et al. (2011}).

Procedimiento de la selección del pixel frío y caliente

En la selección del pixel frío y caliente se definieron condiciones límites para el equilibrio energético. Los pixeles están en función de la homogeneidad entre sus píxeles vecinos y la distancia a la estación meteorológica. La selección del píxel frío, se identificó específicamente en campos agrícolas y dentro de un área de interés, con valores de temperatura en el rango ±0,2 K del promedio del 20% más frio de la temperatura superficial, extraído del área del 5% de los valores más altos de NDVI. Finalmente, se seleccionó el 1% (del 5% de los valores más altos de NDVI), siendo el pixel candidato final el promedio del 1%. Por lo contrario, la selección del pixel caliente, se identificó preferentemente en suelos desnudos sin vegetación. Los pixeles calientes se encontraban en el rango del ± 0,2 K del promedio del 20% más caliente de la temperatura superficial, extraído del área del 10% de los valores más bajos de NDVI. La selección de los pixeles finales se da en función de la proximidad del valor promediado y la homogeneidad entre sus pixeles vecinos (^{Bhattarai et al., 2017}; ^{Morton et al., 2013}).

ET instantánea (ET_ins), Fracción de ET de referencia (ET。F) y Evapotranspiración a las

24 h (ET₂₄).

El flujo de calor latente representa el calor de la superficie instantánea, debido a la ETc en el momento de captura de las imágenes; se calcula mediante la ecuación (8). Para la estimación de la ET instantánea (ET_ins)se aplica la siguiente ecuación:

Donde ET_inst es la ET instantánea (mm h^-1), LE es el flujo de calor latente (W m^-2) y λ es el calor latente de vaporización (J kg^-1) o el calor absorbido, cuando un kilogramo de agua se evapora (J kg^-1) y se determina en función a la siguiente ecuación (^{Allen et al., 2007}):

La fracción de ET de referencia (ET ₀ ) se define como la relación entre la ET instantánea (ET _inst ) para cada pixel y ET ₀ estimado mediante información meteorológica recopilada.

Donde, ET ₀ es la ET de referencia para la alfalfa de 0,5 m de altura para el momento de la captura de la imagen. La ET ₀ fue calculada por el método de Penman Monteith (mm h^-1) con datos de la estación meteorológica automática.

El modelo METRIC calcula la ET24 en función a la multiplicación ET ₀ F y ETo _-24 . Los valores de ET ₂₄ diarios son más utilizados que la información brindada por ET_inst. (^{Allen et al., 2007}).

Calibración vicaria de las imágenes multiespectrales

La regresión lineal de las bandas de la cámara multiespectral y los datos medidos por el espectroradiómetro (Tabla 1), mostraron una correlación de Pearson r² > 0,82 para las cuatro bandas (rojo, borde rojo, verde e infrarrojo cercano) y un RMSE promedio de 7%. Según ^{Cubero-Castan et al. (2018}), manifiesta que lo cuerpos con valores de reflectancias superiores al 75%, representan una sobreestimación promedio por banda de un 8%, sin embargo, materiales naturales como la hoja de cultivo, no exhiben una reflectancia tan alta.

Tabla 1 Ecuaciones de regresión lineal y coeficiente de determinación r² para la calibración de bandas rojo, borde rojo e infrarrojo cercano. 

X= banda original, Y= banda corregida.

Calibración de imágenes térmicas

Los valores de la temperatura absoluta de la superficie, proporcionada por las imágenes radiométricas en formato RJPG de la cámara FLIR Vue Pro R 640, se calibraron mediante una correlación lineal entre los valores registrados a partir de un radiómetro infrarrojo modelo Apogee MI-210, sobre cuerpos conocidos como suelo desnudo, cobertura de hojarasca, cobertura de grass y agua descongelada, para las condiciones ambientales de la zona de estudio. Se obtuvo una ecuación de corrección (Y_radiómetro = 1,10X_{cámara térmica} -10,84) con un coeficiente de Pearson (r²) de 0,97 y el cuadrado medio del error (RMSE) de7 °C, indicando una buena correlación entre las temperaturas y las coberturas (Figura 3).

Figura 3 Relación entre las temperaturas registradas por un radiómetro y una cámara térmica montada en un UAV en diferentes cuerpos (agua descongelada, grass, hojarasca y suelo desnudo. 

La selección de los píxeles extremos caliente y frío, para las fechas de trabajo de campo 2018 y 2019 (Tabla 2), muestra que los pixeles fríos corresponden a una temperatura superficial de (Ts) mínima de 284,4 y 294,4 K, valores máximos de NDVI en 0,89 y 0,95, LAI de 1,46 y 1,57 y el albedo superficial entre 0,20 y 0,18. El pixel caliente corresponde a temperaturas superficiales (Ts) de 303,3 y 325,8 K. valores mínimos de NDVI de 0,31 y 0,02, un LAI de 0,10 y 0,12. Las características anteriormente señaladas corroboran lo expuesto por ^{Allen et al. (2011}) y ^{Morton et al. (2013}), los que afirman que el proceso de verificación de los pixeles frio y caliente se realiza en áreas separas, es decir que el pixel frío es en coberturas vegetales en campos agrícolas, mientras para el pixel caliente es en suelos desnudos sin vegetación.

Tabla 2 Variables de selección del píxel frío y caliente para los vuelos RPAS. 

En la Figura 4, se presenta la variación espacial de los componentes de balance de energía Rn, G, H y LE del 07 de agosto 2019 (invierno) y 06 de marzo 2020 (verano) con los valores que corresponden a los pixeles de vegetación que varían de 543,61 a 640 W m-² y 640 a 741 W m-² para Rn; de 19 a 60 W m^-2 y 10 a 70 W m^-2 para G; de 53 a 150 W m^-2 y 150 a 238 W m^-2 para H; de 455,14 a 584,44 W m^-2 y 342,86 a 600 W m^-2 para LE. Según ^{Allen et al. (2011}); ^{Hausler et al. (2018}) y ^{Nassar et al. (2021}), la Rn puede encontrarse entre 100 a 800 W m^-2 dependiendo de la variación diurna, alcanzando un valor mayor al medio día. Por otro lado, los valores para los demás componentes de balance de energía se muestran para G de 0 a 180 W m^-2 (Nassar et al., 2021); H un valor de 50 a 400 W m^-2 (^{Acharya y Sharma, 2021}) y LE de 0 a 650 W m^-2 (Nassar et al., 2021; ^{Ortega-Farías et al., 2016}). Sin embargo Hausler et al. (2018) y Nassar et al. (2021), dan a conocer que los componentes de balance de energía alcanzan sus mayores valores al medio día, además, que los valores pueden variar de forma horaria en los meses de las estaciones del año (verano, primavera, otoño e invierno) y obteniendo mayores valores en la estación de verano para los cultivos, especialmente en el Olivo. En la Tabla 3, se muestra el promedio, la desviación estándar y la variación para la estación de invierno 2019 y verano 2020 del cultivo del Olivo con un incremento de 18, 56 y 71% para Rn, G y H respectivamente, no obstante. Se observa una disminución del 8% para LE en verano con respecto al invierno.

Figura 4 Distribución espacial de los componentes de energía Rn(a), G(b), H(c) y LE (d) con la variedad de olivo Sevillana y Ascolana y condición de estrés. 

Tabla 3 Valores (x̅, S) de los componentes del balance de energía (Rn, G, H y LE), según variedades y condición de estrés. 

Evapotranspiración del cultivo diario (ETc)

En la Figura 5, se aprecia la variación espacial de la ET diaria, se obtuvo valores (x̅, S) para invierno y verano, según condición de estrés y sin estrés (Tabla 4). De la estimación de la ETc del modelo METRIC en arboles sin estrés y con estrés se obtuvo valores x̅ de 2,94 y 2,87 mm d^-1, para la temporada de invierno, encontrándose en la etapa de floración y 4,53 y 4,02 mm d^-1, para verano en la etapa de fructificación y llenado de fruto. Los valores de ETrF en olivo sin estrés y con estrés fueron de 1,23 y 1,20 mm d^-1, en invierno, y de 1,13 y 1,0 mm d^-1, en verano. Los valores de ETc estimados para verano son mayores en 30% con respecto a los de invierno. Además, los valores de ETrF ligeramente más altos en invierno, encontrándose valores de ETrF por encima de 1,0 debido al riego constante, para evitar las tensiones abióticas generadas por las sales del suelo y del agua de riego.

Figura 5 Distribución espacial de la evapotranspiración de cultivo (ETc) invierno y verano, mediante el modelo METRIC. 

Tabla 4 Valores (x̅, S) de la ETc y ETrF según condición de estrés. 

En la Figura 5 se visualiza el comportamiento de la evapotranspiración de referencia (ET_o) desde invierno 2019 (DOY 258) hasta el verano 2020 (DOY 65) con valores máximos y mínimos en verano e invierno respectivamente estimados a partir de diferentes métodos indirectos basados en componentes del balance de energía y datos climáticos.

En la Tabla 5, se presentan diferentes valores de ETc y ETrF estimadas a partir de diversos métodos y diferentes condiciones climáticas, suelo y de manejo agronómico. Al respecto, encuentran que al migrar de un sistema de secano a riego por goteo los valores de ET estimados fueron de 0,5 a 1 mm d^-1 debido a una mayor evaporación del suelo por mayor frecuencia de riego.

Tabla 5 Valores de ETc y ETrF. 

Los valores del ETrF están en el rango de 0,88 a 1,67 en invierno y 0,92 a 1,42 en verano. Los valores obtenidos entre la relación de la ETc por el modelo METRIC y la ETo obtenida por métodos indirectos, poseen mayor variabilidad y son más altos en invierno debido a un aumento de la evaporación del suelo producida por la alta humedad del aire captado de las camanchacas (Tabla 5). Al respecto ^{Pago et al. (2019}) indican que en invierno y otoño se presentan valores de ETrF > 1, debido a un aumento de la evaporación del suelo por la precipitación. Asimismo encuentran valores de ETrF > 1,5 en invierno que atribuyen a una mayor humedad por causa de precipitaciones y los valores disminuyen hacia verano.